MRI-based brain atrophy rates in ADNI phase 2: acceleration and enrichment considerations for clinical trials
Notice bibliographique
Résumé
The goal of this work was to assess statistical power to detect treatment effects in Alzheimer's disease (AD) clinical trials using magnetic resonance imaging (MRI)-derived brain biomarkers. We used unbiased tensor-based morphometry (TBM) to analyze n = 5,738 scans, from Alzheimer's Disease Neuroimaging Initiative 2 participants scanned with both accelerated and nonaccelerated T1-weighted MRI at 3T. The study cohort included 198 healthy controls, 111 participants with significant memory complaint, 182 with early mild cognitive impairment (EMCI) and 177 late mild cognitive impairment (LMCI), and 155 AD patients, scanned at screening and 3, 6, 12, and 24 months. The statistical power to track brain change in TBM-based imaging biomarkers depends on the interscan interval, disease stage, and methods used to extract numerical summaries. To achieve reasonable sample size estimates for potential clinical trials, the minimal scan interval was 6 months for LMCI and AD and 12 months for EMCI. TBM-based imaging biomarkers were not sensitive to MRI scan acceleration, which gave results comparable with nonaccelerated sequences. ApoE status and baseline amyloid-beta positron emission tomography data improved statistical power. Among healthy, EMCI, and LMCI participants, sample size requirements were significantly lower in the amyloid+/ApoE4+ group than for the amyloid-/ApoE4- group. ApoE4 strongly predicted atrophy rates across brain regions most affected by AD, but the remaining 9 of the top 10 AD risk genes offered no added predictive value in this cohort.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».